医疗诊断Agent

项目介绍：
2025.08-2026.03
本项目是一个面向医疗健康领域的智能辅助诊断系统，基于大语言模型（LLM）、知识库检索（RAG、GraphRAG）技术，集成医
学专业知识库，实现常见疾病的自动化问诊、初步诊断与科普，辅助医生和患者进行疾病筛查和健康管理。系统支持医学知识文本
解析、用户交互、数据库管理、个性化报告生成等功能，提升了医疗问诊的智能化与实用性。
项目展示流程：
Step1：浏览器输入网址：https：//xgczvd69iyaitsulyeiaej.streamlit.app
Step2：点击按钮【Yes，get this appbackup！】等待1-2分钟
Step3：用户名：doctor
密码：doctor123
Step4：【示例病例报告】>【开始诊断】等待30秒左右>【下载Markdown文件报告】
工作内容：
1.负责以Python+LangChain构建多智能体诊断系统：通过asyncio并发调度分诊Agent、专科Agent 与MDT组长Agent，实现
Multi-Agent 协作闭环，并落地Qwen/OpenAI/Gemini 三类LLM-API 的自动回退策略。
2.主导AI Agent 工程化与Prompt Engineering：设计13+专科Prompt、ReAct 推理范式及工具流，确保多轮推理时刻保持专业
上下文一致。
3.构建RAG知识检索链：基于Pinecone（可切换FAISS/Milvus 计划）+Neo4j 图数据库维护医学数据库，并通过LangChain工厂
注入每个智能体的实时知识片段。
4.负责工具链与交付：维护Git/GitHub版本管理流程，提供Dockerfile+Docker Compose一键部署方案，保障开发、测试、上线
环境一致。
业绩：
1. 效率提升：医学报告解读效率提升350%：AI系统自动完成疾病解读及健康报告生成，单份报告处理时长由传统人工20分钟缩减
至4分钟以内，大幅优化诊疗效率。智能问诊响应速度提升70%：通过优化Prompt设计与RAG检索算法，用户平均等待AI诊断建议
的时间从10秒降至3秒，显著提升交互体验。
2. 医疗成本优化：降低人力成本40%：问诊与报告自动化率达75%，客服及医疗咨询工单处理效率大幅提升，每月节省约180+人
工小时